Banca de QUALIFICAÇÃO: DANIELA COELHO BATISTA GUEDES PEREIRA

Uma banca de QUALIFICAÇÃO de DOUTORADO foi cadastrada pelo programa.
DISCENTE : DANIELA COELHO BATISTA GUEDES PEREIRA
DATA : 28/02/2020
HORA: 10:00
LOCAL: BioME - PPg-Bioinfo
TÍTULO:

Classificação de Mutações Associadas ao Câncer, por meio de Algoritmos de Aprendizagem de Máquina


PALAVRAS-CHAVES:

Mutações Missensse, Preditores, Redes de Interação de Resíduos, Aprendizagem de Máquina.


PÁGINAS: 54
RESUMO:

O grande volume de dados de polimorfismo de nucleotídeos únicos agora disponíveis motiva o desenvolvimento de métodos para distinguir as mudanças neutras daquelas que estão associadas às doenças, como o câncer. A obtenção de conhecimento experimental sobre a possível associação de variantes à doença é uma atividade trabalhosa, demorada e cara. Um grande número de ferramentas em silico tem sido empregado para a tarefa de predição de patogenicidade, incluindo PolyPhen-2, SIFT, FATHMM, MutationTaster-2, MutationAssessor, LRT, bem como métodos otimizados de combinação de pontuações de ferramentas, tais como MetaLR e MetaSVM. As proteínas têm sido estudadas como redes formadas por resíduos de aminoácidos e suas interações. Esta abordagem vem sendo utilizada para melhor compreensão da estrutura, função proteica e análise dos efeitos das mutações. Nas últimas décadas, ferramentas consensus que integram dados topológicos de redes de interação de resíduos juntamente com saídas de preditores tem se mostrado superiores no desempenho com relação às ferramentas tradicionais. Uma abordagem computacional para a predição de mutações missense associadas ao câncer é proposta neste trabalho. Esta combina dados de sequência de proteínas, resultados de preditores, dados de redes de interação de resíduos, dados clínicos associados às mutações e modelos de aprendizagem de máquina. Este classificador de consenso integrado irá predizer se a mutação é deletéria ou não. Os resultados preliminares (em torno de 67% de acurácia no dataset de teste) reforçam a nossa hipótese de que podemos ter uma classificação melhor das mutações missensse associadas ao cancer se informações obtidas das redes de interação de resíduos (Degree, Coeficiente de Clusterização, Betweenness, Proximidade (Closeness), dentre outros) e dados clínicos das mutações forem adicionadas ao preditor.


MEMBROS DA BANCA:
Presidente - 1513597 - JOAO PAULO MATOS SANTOS LIMA
Interno - 3083298 - RENAN CIPRIANO MOIOLI
Interna - 012.117.554-52 - THAIS GAUDENCIO DO REGO - UFPB
Notícia cadastrada em: 20/02/2020 14:53
SIGAA | Superintendência de Tecnologia da Informação - (84) 3342 2210 | Copyright © 2006-2024 - UFRN - sigaa08-producao.info.ufrn.br.sigaa08-producao